鄧?guó)Q茂 陽(yáng)久祥 梅 春

一、引言

機(jī)構(gòu)投資者通常擁有相似的決策框架、考核機(jī)制、信息渠道、行為模式，導(dǎo)致A股在2007年以后出現(xiàn)過(guò)4次非常著名的抱團(tuán)現(xiàn)象①2019年7月4日招商證券研究報(bào)告《“抱團(tuán)”啟示錄：那些年我們一起抱過(guò)的團(tuán)》。。2021年1月6日華寶證券研究團(tuán)隊(duì)發(fā)布研究報(bào)告《機(jī)構(gòu)抱團(tuán)股次年表現(xiàn)如何？》指出，2020年機(jī)構(gòu)抱團(tuán)交易行為更加明顯，機(jī)構(gòu)抱團(tuán)股相對(duì)于萬(wàn)德全A勝率均高于非機(jī)構(gòu)抱團(tuán)股，平均勝率為42%，在次年機(jī)構(gòu)抱團(tuán)股業(yè)績(jī)具有一定的延續(xù)性，并未出現(xiàn)明顯的反轉(zhuǎn)暴跌現(xiàn)象。2020年12月27日，中信證券研究所發(fā)布《警惕機(jī)構(gòu)抱團(tuán)瓦解，布局高性價(jià)比品種》，指出投機(jī)性抱團(tuán)股票未來(lái)將大概率瓦解，引發(fā)市場(chǎng)高度關(guān)注，發(fā)布當(dāng)天部分機(jī)構(gòu)重倉(cāng)股直接遭遇跌停。那么以證券投資基金為代表的機(jī)構(gòu)投資者抱團(tuán)交易是否加劇股價(jià)波動(dòng)的風(fēng)險(xiǎn)？

金融市場(chǎng)的信息共享、投資者之間的相互觀察并交流信息以及機(jī)構(gòu)投資者的利益趨同會(huì)影響投資者的偏好與交易行為。Pareek（2012）、Blocher（2016）認(rèn)為機(jī)構(gòu)投資者之間的信息交流會(huì)形成特定的社會(huì)關(guān)系網(wǎng)絡(luò)。國(guó)內(nèi)學(xué)者肖欣榮等（2012）認(rèn)為機(jī)構(gòu)投資者之間的信息交流網(wǎng)絡(luò)會(huì)對(duì)基金經(jīng)理的交易行為產(chǎn)生重要影響。另外，郭曉冬等（2018）、郭白瀅和李瑾（2019）、吳曉暉等（2019）的研究發(fā)現(xiàn)機(jī)構(gòu)投資者的信息網(wǎng)絡(luò)特征會(huì)影響股價(jià)崩盤(pán)風(fēng)險(xiǎn)。然而，陳新春等（2017）認(rèn)為股價(jià)崩盤(pán)風(fēng)險(xiǎn)通常與流動(dòng)性緊缺相關(guān)，資產(chǎn)價(jià)格的尾部風(fēng)險(xiǎn)要比股價(jià)崩盤(pán)風(fēng)險(xiǎn)更為普遍，基金重倉(cāng)持股網(wǎng)絡(luò)的網(wǎng)絡(luò)密度會(huì)加劇股價(jià)極端尾部風(fēng)險(xiǎn)。田正磊等（2019）的研究同樣發(fā)現(xiàn)，同一重倉(cāng)持股網(wǎng)絡(luò)的基金之間調(diào)倉(cāng)行為更為一致，在市場(chǎng)極端下跌時(shí)，呈現(xiàn)出集體踩踏的特征，會(huì)影響個(gè)股的系統(tǒng)性尾部風(fēng)險(xiǎn)。尾部風(fēng)險(xiǎn)會(huì)對(duì)金融體系的流動(dòng)性、資產(chǎn)定價(jià)、信息傳導(dǎo)和投融資功能等產(chǎn)生巨大破壞，已成為學(xué)界、業(yè)界和監(jiān)管層共同關(guān)注的焦點(diǎn)。

密切的信息網(wǎng)絡(luò)將導(dǎo)致機(jī)構(gòu)投資者群體無(wú)論在買(mǎi)入或賣(mài)出個(gè)股以及時(shí)機(jī)選擇方面都有著較高的相似性，極易催生抱團(tuán)交易行為。股票信息網(wǎng)絡(luò)是所有重倉(cāng)持有該股票的基金信息網(wǎng)絡(luò)的集合，其中網(wǎng)絡(luò)密度反映了信息傳遞的效率，網(wǎng)絡(luò)密度值越大，表明信息流動(dòng)速度越快，同時(shí)其價(jià)格變化也就越快；特征向量中心度不僅考慮了基金鏈接的數(shù)量，還對(duì)基金的中心度加權(quán)求和，要比中心度指標(biāo)能更好地衡量個(gè)體在信息網(wǎng)絡(luò)中的位置。特征向量中心度越高，與其所在網(wǎng)絡(luò)邊緣個(gè)體的鏈接就越強(qiáng)。本文借鑒信息網(wǎng)絡(luò)結(jié)構(gòu)這種微觀機(jī)制，以2010—2020年公募基金持股數(shù)據(jù)為樣本，首先建立以重倉(cāng)股票為鏈接的基金信息網(wǎng)絡(luò)；其次，在Pareek（2012）的研究基礎(chǔ)上，應(yīng)用Louvain算法①Louvain算法由Blondel et al．（2008）開(kāi)發(fā)，是基于模塊度的社區(qū)發(fā)現(xiàn)算法，其優(yōu)化目標(biāo)是最大化整個(gè)社區(qū)網(wǎng)絡(luò)的模塊度。，從基金信息網(wǎng)絡(luò)中近似提取出基金抱團(tuán)交易團(tuán)體，構(gòu)建基金抱團(tuán)交易持股指標(biāo)、信息網(wǎng)絡(luò)的網(wǎng)絡(luò)密度以及特征向量中心度；然后實(shí)證檢驗(yàn)基金抱團(tuán)持股比例對(duì)股價(jià)尾部風(fēng)險(xiǎn)的影響；最后，進(jìn)一步從基金信息網(wǎng)絡(luò)的網(wǎng)絡(luò)密度（信息傳遞的效率）與特征向量中心度（抱團(tuán)股票所處信息網(wǎng)絡(luò)中的位置）來(lái)研究?jī)?nèi)在的影響機(jī)制。

本文的研究不僅為信息網(wǎng)絡(luò)與機(jī)構(gòu)投資者行為的交叉研究提供理論基礎(chǔ)，還對(duì)豐富投資交易策略、加強(qiáng)機(jī)構(gòu)投資者抱團(tuán)行為和市場(chǎng)風(fēng)險(xiǎn)的監(jiān)管有重要意義。具體體現(xiàn)在以下四個(gè)方面：（1）本文基于交互行為的視角，構(gòu)建基金抱團(tuán)的信息網(wǎng)絡(luò)模型，拓展了對(duì)機(jī)構(gòu)投資者信息網(wǎng)絡(luò)的相關(guān)研究，為信息網(wǎng)絡(luò)與機(jī)構(gòu)投資者投資行為的交叉研究提供理論基礎(chǔ)；（2）本文在陳新春等（2017）、田正磊等（2019）檢驗(yàn)基金信息網(wǎng)絡(luò)結(jié)構(gòu)特征對(duì)股價(jià)尾部風(fēng)險(xiǎn)影響的基礎(chǔ)上，利用信息網(wǎng)絡(luò)提取出基金抱團(tuán)團(tuán)體，檢驗(yàn)基金抱團(tuán)交易行為對(duì)股價(jià)尾部風(fēng)險(xiǎn)的影響，并進(jìn)一步從信息傳遞效率、機(jī)構(gòu)持股穩(wěn)定性以及抱團(tuán)交易股票所處信息網(wǎng)絡(luò)的位置三個(gè)角度探討了內(nèi)在的影響機(jī)制，豐富了信息網(wǎng)絡(luò)對(duì)機(jī)構(gòu)投資者交易行為影響的相關(guān)文獻(xiàn)；（3）在微觀層面，為2020年以來(lái)機(jī)構(gòu)投資者報(bào)團(tuán)取暖、股價(jià)兩極分化的現(xiàn)象，提供合理的解釋和依據(jù)，可以根據(jù)此現(xiàn)象，形成“盯機(jī)構(gòu)”的投資交易策略；（4）在宏觀層面，本文的研究結(jié)論能夠?yàn)楸O(jiān)管層如何精準(zhǔn)地監(jiān)管機(jī)構(gòu)投資者抱團(tuán)交易行為，防止出現(xiàn)極端尾部風(fēng)險(xiǎn)，提供現(xiàn)實(shí)依據(jù)。

二、文獻(xiàn)回顧與研究假說(shuō)

信息通常分為公共信息和私有信息，公共信息一般指所有投資交易者都能自由獲取的信息，而私有信息既包括來(lái)自投資者主觀信息，又包括來(lái)自投資者社會(huì)關(guān)系網(wǎng)絡(luò)中的信息。Banshee and Goodman（2007）、Cohen．et al．（2008）的研究認(rèn)為私有信息會(huì)影響基金經(jīng)理的持倉(cāng)交易行為。在金融大數(shù)據(jù)和網(wǎng)絡(luò)爬蟲(chóng)技術(shù)日趨成熟的背景下，信息的傳播速度和擴(kuò)散力度發(fā)生了根本的轉(zhuǎn)變，機(jī)構(gòu)投資者的信息網(wǎng)絡(luò)可能不再集中于鄰近的地域（Hong et al．，2005；Pool et al．，2015；陸煊，2014）、相似的教育背景和校友關(guān)系（Cohen et al．，2008；申宇等，2015）以及基金家族共同持股（陸蓉和劉亞琴，2009；屈源育和吳衛(wèi)星，2014；李科等，2015），原來(lái)的私有信息可能演變?yōu)榛鸾?jīng)理間共享的私有信息。機(jī)構(gòu)投資者通過(guò)股票信息網(wǎng)絡(luò)中交流互動(dòng)、彼此推測(cè)并結(jié)合自己的心理偏好與理性判斷來(lái)影響投資決策行為，最終影響市場(chǎng)價(jià)格及波動(dòng)（Hong et al．，2005；Ozsoylev et al．，2014；Stein，2008；Cohen et al．，2008；Pareek，2012；Blocher，2016）。

基金抱團(tuán)交易的信息網(wǎng)絡(luò)是否會(huì)影響股價(jià)的尾部風(fēng)險(xiǎn)呢？基金網(wǎng)絡(luò)團(tuán)體成員之間的信息交流與合作會(huì)降低基金網(wǎng)絡(luò)團(tuán)體成員之間信息競(jìng)爭(zhēng)的激烈程度，阻礙團(tuán)體成員的私有信息融入股價(jià)，進(jìn)而加劇股價(jià)尾部風(fēng)險(xiǎn)?；鹬g的信息共享機(jī)制極易導(dǎo)致黑天鵝事件?；鸪止傻男畔⒕W(wǎng)絡(luò)密度不僅與股價(jià)總體和特質(zhì)風(fēng)險(xiǎn)正相關(guān)，還會(huì)顯著增加股票極端上漲和下跌的概率，尤其加劇股價(jià)極端下跌的風(fēng)險(xiǎn)（陳新春等，2019）。王典和薛宏剛（2018）發(fā)現(xiàn)機(jī)構(gòu)投資者網(wǎng)絡(luò)密度會(huì)促進(jìn)私有信息傳播，利用私有信息的套利行為更為活躍，導(dǎo)致公司特質(zhì)風(fēng)險(xiǎn)上升。田正磊等（2019）的研究同樣發(fā)現(xiàn)，同一重倉(cāng)持股網(wǎng)絡(luò)的基金之間買(mǎi)入和賣(mài)出行為更為一致。在市場(chǎng)極端下跌時(shí)，受到特定網(wǎng)絡(luò)結(jié)構(gòu)特征的影響，極易導(dǎo)致集體踩踏的現(xiàn)象，從而加劇股價(jià)系統(tǒng)性尾部風(fēng)險(xiǎn)。吳曉暉等（2019）、郭曉冬等（2018）發(fā)現(xiàn)機(jī)構(gòu)投資者抱團(tuán)交易的信息網(wǎng)絡(luò)，阻礙團(tuán)體成員的私有信息融入股價(jià)，增大公司負(fù)面信息被隱藏和集聚的可能性和程度，最后集中釋放，從而加劇股價(jià)崩盤(pán)風(fēng)險(xiǎn)。蔣松和錢(qián)燕（2021）認(rèn)為機(jī)構(gòu)投資者抱團(tuán)行為，降低了股票的流動(dòng)性，從而加劇公司股價(jià)的波動(dòng)?；谝陨戏治觯疚奶岢黾僬f(shuō)1a。

假說(shuō)1a：基金抱團(tuán)交易持股比例越高，股價(jià)未來(lái)的尾部風(fēng)險(xiǎn)越大。

另一方面，基金網(wǎng)絡(luò)成員之間通過(guò)交流共享私有信息，促進(jìn)了私有信息融入股價(jià)。Crane et al．（2019）的研究認(rèn)為，基金抱團(tuán)交易會(huì)促進(jìn)團(tuán)體成員之間彼此共享各自所掌握的私有信息，降低信息搜集成本，增強(qiáng)他們的信息優(yōu)勢(shì)，能夠更好地發(fā)揮監(jiān)督的公司治理效應(yīng)，抑制管理層隱藏壞消息的行為，從而提高公司的信息透明度。王典和薛宏剛（2018）也認(rèn)為較高的網(wǎng)絡(luò)密度在加快信息流動(dòng)的同時(shí)抑制噪聲交易，間接降低公司特質(zhì)風(fēng)險(xiǎn)。郭白瀅和李瑾（2019）認(rèn)為，機(jī)構(gòu)投資者信息網(wǎng)絡(luò)會(huì)促進(jìn)信息共享，提升公司的信息透明度，從而降低股價(jià)崩盤(pán)風(fēng)險(xiǎn)?；谝陨戏治?，本文提出競(jìng)爭(zhēng)性假說(shuō)1b。

假說(shuō)1b：基金抱團(tuán)交易持股比例越高，股價(jià)未來(lái)的尾部風(fēng)險(xiǎn)越小。

基金抱團(tuán)交易的信息網(wǎng)絡(luò)如何影響股價(jià)的尾部風(fēng)險(xiǎn)呢？基金信息網(wǎng)絡(luò)的網(wǎng)絡(luò)密度越大意味著網(wǎng)絡(luò)內(nèi)各節(jié)點(diǎn)之間的連通性越好，網(wǎng)絡(luò)信息的交流和傳遞速度越快，信息傳遞的效率越高。陳新春等（2019）認(rèn)為，基金持股之間的信息網(wǎng)絡(luò)密度越大，信息傳遞的效率越高，股票極端下跌和極端上漲的概率就越大。郭白瀅和李瑾（2019）發(fā)現(xiàn)，機(jī)構(gòu)投資者信息網(wǎng)絡(luò)的網(wǎng)絡(luò)密度與股價(jià)崩盤(pán)風(fēng)險(xiǎn)之間呈現(xiàn)負(fù)相關(guān)關(guān)系，即信息傳遞的效率越高，股價(jià)崩盤(pán)的風(fēng)險(xiǎn)程度越弱。田正磊等（2019）認(rèn)為信息網(wǎng)絡(luò)密度越高，信息傳遞的效率越快，能夠降低個(gè)股的尾部系統(tǒng)風(fēng)險(xiǎn)。Crane et al．（2019）、吳曉暉等（2019）的研究表明，基金“同進(jìn)同退”的抱團(tuán)行為降低了機(jī)構(gòu)投資者個(gè)體“退出威脅”的治理效應(yīng)，阻礙團(tuán)體成員的私有信息融入股價(jià)，會(huì)增大公司負(fù)面信息被隱藏、累積、集中釋放的可能性，從而降低信息傳遞的效率。基于以上分析，本文提出假說(shuō)2。

假說(shuō)2：基金抱團(tuán)交易會(huì)降低信息傳遞的效率，從而加劇尾部風(fēng)險(xiǎn)。

機(jī)構(gòu)投資者網(wǎng)絡(luò)團(tuán)體成員之間的合作，可以提高機(jī)構(gòu)投資者團(tuán)體“集體發(fā)聲”的治理效應(yīng)（Crane et al．，2019）。然而，Jiang and Kim（2015）、Firth et al．（2016）、Lin and Fu（2017）的研究發(fā)現(xiàn)，中國(guó)上市公司股權(quán)集中度較高，大股東持股比例大，單個(gè)機(jī)構(gòu)投資者持股比例較低。機(jī)構(gòu)投資者主要通過(guò)“退出威脅”和“用腳投票”的方式發(fā)揮公司治理作用，往往是短線買(mǎi)賣(mài)的投機(jī)者，持股時(shí)間較短，導(dǎo)致持股的穩(wěn)定性降低。Scharfstein and Stein（1990）基于委托代理理論，從追求聲譽(yù)機(jī)制、報(bào)酬激勵(lì)機(jī)制的角度探討了基金的集中持股行為，平庸的基金經(jīng)理會(huì)跟隨聰明的基金經(jīng)理做出一致的投資行為，存在盯人策略（徐龍炳和張大方，2017）。Callen and Fang（2013）、An and Zhang（2013）的研究發(fā)現(xiàn)，穩(wěn)定的機(jī)構(gòu)投資者注重公司長(zhǎng)遠(yuǎn)業(yè)績(jī)，積極參與長(zhǎng)期公司治理，而以交易為目的的機(jī)構(gòu)投資者則是短線買(mǎi)賣(mài)的投機(jī)者，導(dǎo)致持股穩(wěn)定性降低。孔東明和王江元（2016）的研究卻發(fā)現(xiàn)穩(wěn)定型機(jī)構(gòu)投資者的信息競(jìng)爭(zhēng)與股價(jià)崩盤(pán)風(fēng)險(xiǎn)之間的正向關(guān)系更顯著，更容易導(dǎo)致股價(jià)崩盤(pán)風(fēng)險(xiǎn)。Deng，X et al．（2018）發(fā)現(xiàn)，機(jī)構(gòu)投資者的集中持股，會(huì)加劇羊群效應(yīng)，從而導(dǎo)致股價(jià)崩盤(pán)風(fēng)險(xiǎn)。向誠(chéng)和馮麗璇（2022）發(fā)現(xiàn)，基金因盲目“跟風(fēng)”持有熱點(diǎn)個(gè)股而抱團(tuán)交易。此外，申宇等（2015）認(rèn)為校友關(guān)系網(wǎng)絡(luò)在好消息面前有福同享，但在壞消息面前卻各自保守信息，說(shuō)明小團(tuán)體或者小圈子極不穩(wěn)定?；稹巴M(jìn)同退”的抱團(tuán)交易行為，會(huì)影響他們持有股票的穩(wěn)定性?；谝陨戏治?，本文提出假說(shuō)3。

假說(shuō)3：基金抱團(tuán)交易會(huì)降低持股穩(wěn)定性，從而加劇尾部風(fēng)險(xiǎn)。

另外，基金抱團(tuán)交易信息網(wǎng)絡(luò)中的位置有優(yōu)劣，處于中心位置的個(gè)體具有更大的權(quán)力、影響力和資源信息。在利益驅(qū)動(dòng)下，基金抱團(tuán)交易網(wǎng)絡(luò)中的位置優(yōu)勢(shì)與差異，會(huì)影響被抱團(tuán)股票的尾部風(fēng)險(xiǎn)。郭白瀅和李瑾（2019）、強(qiáng)皓凡（2022）的研究發(fā)現(xiàn)，信息網(wǎng)絡(luò)中的位置會(huì)影響股價(jià)崩盤(pán)風(fēng)險(xiǎn)。網(wǎng)絡(luò)位置優(yōu)勢(shì)最強(qiáng)的機(jī)構(gòu)投資者利用網(wǎng)絡(luò)過(guò)濾壞消息或傳遞噪音等方式隱藏公司壞消息，影響其他機(jī)構(gòu)投資者的信息競(jìng)爭(zhēng)，阻礙公司特有信息融入股價(jià)（郭曉冬等，2018）。基于以上分析，本文提出假說(shuō)4。

假說(shuō)4：越是接近抱團(tuán)交易網(wǎng)絡(luò)中心位置的股票，抱團(tuán)交易持股比例對(duì)股價(jià)尾部風(fēng)險(xiǎn)的影響越劇烈。

三、研究設(shè)計(jì)

（一）樣本選擇及數(shù)據(jù)來(lái)源

本文選取2010—2020年中國(guó)A股上市公司為研究樣本①本文以機(jī)構(gòu)投資者抱團(tuán)交易為研究背景，借鑒國(guó)泰君安證券2021年12月3日的研究報(bào)告《公募基金經(jīng)理抱團(tuán)行為研究——基金配置研究系列之三》，選擇2010年作為起始研究樣本。。選取我國(guó)開(kāi)放式基金中的股票型、偏股型混合以及平衡混合型基金，數(shù)據(jù)來(lái)源于萬(wàn)德（Wind）。股票的收益率數(shù)據(jù)以及其他財(cái)務(wù)相關(guān)控制變量數(shù)據(jù)來(lái)源于國(guó)泰安（CSMAR）研究數(shù)據(jù)庫(kù)。本文在構(gòu)建相關(guān)變量后，對(duì)樣本進(jìn)一步處理：（1）剔除金融類(lèi)以及ST類(lèi)公司樣本；（2）對(duì)連續(xù)變量進(jìn)行上下1%的Winsorize縮尾處理以避免極端異常值對(duì)研究結(jié)果的影響；（3）剔除相關(guān)變量缺失的觀測(cè)值，最后得到14621個(gè)樣本。

（二）基金交易信息網(wǎng)絡(luò)的構(gòu)建

田正磊等（2019）、羅榮華等（2020）認(rèn)為，機(jī)構(gòu)投資者信息網(wǎng)絡(luò)的構(gòu)建大致分為三類(lèi)：基于投資者社會(huì)屬性（教育背景、工作背景等）、基于投資者的所處的地理位置、基于投資標(biāo)的來(lái)構(gòu)建。但是，大數(shù)據(jù)時(shí)代，信息傳播速度和擴(kuò)散力度發(fā)生了根本的轉(zhuǎn)變，機(jī)構(gòu)投資者的信息網(wǎng)絡(luò)可能不再集中于鄰近的地域和投資者的社會(huì)屬性背景。Pareek（2012）、陸藝升等（2022）認(rèn)為，基于基金重倉(cāng)股構(gòu)建的信息網(wǎng)絡(luò)更能夠體現(xiàn)信息交流的內(nèi)涵，并且基金重倉(cāng)持倉(cāng)數(shù)據(jù)方便易得。因此，本文利用投資標(biāo)的來(lái)構(gòu)建基金交易的信息網(wǎng)絡(luò)，進(jìn)而探討基金的信息網(wǎng)絡(luò)對(duì)股價(jià)尾部風(fēng)險(xiǎn)的影響。

基金持股關(guān)系在在不同時(shí)間節(jié)點(diǎn)上會(huì)發(fā)生變化且具體數(shù)據(jù)每季度公布，因此借鑒Pareek（2012）、肖欣榮等（2012）的方法，本文主要根據(jù)基金持股數(shù)據(jù)，每季度構(gòu)建一張基金交易的信息網(wǎng)絡(luò)。首先，篩選持股市值占基金資產(chǎn)凈值5%以上的股票作為重倉(cāng)股；然后，根據(jù)基金重倉(cāng)持股信息構(gòu)建該季度基金持股的二維矩陣Nm×n，表示m只基金持有n只股票，若基金持有某只股票，則矩陣中元素為1，否則取值為0；最后，通過(guò)Pajek軟件將得到的二維持股矩陣經(jīng)映射轉(zhuǎn)化得到基金的一維鄰接矩陣Mm×m，若兩只基金同時(shí)持有同一只重倉(cāng)股，則認(rèn)為這兩只基金在信息網(wǎng)絡(luò)中彼此關(guān)聯(lián)，取值為1，否則取值為0，此m行m列鄰接矩陣即為某季度基金交易的信息網(wǎng)絡(luò)。

圖1左圖是根據(jù)基金2020年第1季度季報(bào)得出的博時(shí)文體娛樂(lè)基金（002424）的信息網(wǎng)絡(luò)，博時(shí)文體娛樂(lè)基金重倉(cāng)持有8只股票，其中股票三七互娛（002555．SZ）同時(shí)還被其他37只基金重倉(cāng)持有。某一只股票被兩只基金分別重倉(cāng)持有，同時(shí)這兩只基金又有自己的信息網(wǎng)絡(luò)，該股票的信息網(wǎng)絡(luò)為所有基金投資者信息網(wǎng)絡(luò)的集合。圖1右圖是根據(jù)基金2020年第1季度季報(bào)得出的南極電商（002127．SZ）股票的信息網(wǎng)絡(luò)，由直接重倉(cāng)持有南極電商的基金以及各基金的信息網(wǎng)絡(luò)構(gòu)成（圖中外層圓圈），具體包括匯添富成長(zhǎng)焦點(diǎn)混合（519068）、匯添富藍(lán)籌穩(wěn)健混合（519066）、華夏成長(zhǎng)混合（000001）、華寶寶康消費(fèi)品（240001）、華寶事件驅(qū)動(dòng)混合A（001118）、南方品質(zhì)優(yōu)選混合A（002851）、匯添富外延增長(zhǎng)主題股票A（000925）、南方天元新產(chǎn)業(yè)股票（160133）、南方隆元產(chǎn)業(yè)主題混合（202007）、廣發(fā)制造業(yè)精選混合A（270028）等十只基金（圖中圓點(diǎn)）。

圖1 基金的信息網(wǎng)絡(luò)與股票的信息網(wǎng)絡(luò)

（三）研究變量的選擇

1．尾部風(fēng)險(xiǎn)。借鑒Atilgan et al．（2020）、陳守東等（2007）方法，尾部風(fēng)險(xiǎn)Tailriskit表示股票i在t期的尾部風(fēng)險(xiǎn)，用在險(xiǎn)價(jià)值（Value at Risk，VaR）和期望損失（Expected Shortfall，ES）度量，并進(jìn)一步分為左尾風(fēng)險(xiǎn)與右尾風(fēng)險(xiǎn)。計(jì)算左尾風(fēng)險(xiǎn)時(shí)，股票對(duì)數(shù)日收益率左側(cè)分布的基礎(chǔ)上取絕對(duì)值，用VaR5i，t，ES5i，t度量，數(shù)值越大，表示極端下跌風(fēng)險(xiǎn)越大；右尾風(fēng)險(xiǎn)則用右側(cè)分布的原值進(jìn)行測(cè)算，用VaR95i，t，ES95i，t來(lái)度量，數(shù)值越大，表示極端上漲風(fēng)險(xiǎn)越大。

2．股票的基金抱團(tuán)交易指標(biāo)。已有研究表明，高度聚集的團(tuán)體支持合作（Assenza et al．，2008；Marcoux and Lusseau，2013）?；鸾灰椎男畔⒕W(wǎng)絡(luò)規(guī)模較大，復(fù)雜程度較高，無(wú)法準(zhǔn)確地識(shí)別出抱團(tuán)交易團(tuán)體。婁清青等（2020）認(rèn)為，基金信息網(wǎng)絡(luò)中行為者交流信息的范圍越廣，形成小團(tuán)體的可能性越大。聚類(lèi)系數(shù)可以反映信息網(wǎng)絡(luò)中行為者的聚集程度，聚集程度越高，聚類(lèi)系數(shù)越大。Blondel et al．（2008）開(kāi)發(fā)的Louvain算法是針對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)聚類(lèi)的方法之一。社區(qū)內(nèi)節(jié)點(diǎn)的連接邊數(shù)與隨機(jī)情況下的邊數(shù)之差，來(lái)度量鏈接的緊密程度，根據(jù)鏈接的緊密程度對(duì)基金進(jìn)行分組，同一組內(nèi)基金之間連接的緊密程度高于與組外的其他基金之間的鏈接，自動(dòng)將某個(gè)機(jī)構(gòu)投資者分配到特定的團(tuán)體中，進(jìn)行優(yōu)化整個(gè)信息網(wǎng)絡(luò)的模塊度，進(jìn)一步從基金信息網(wǎng)絡(luò)中近似估計(jì)提取出團(tuán)體。本文借鑒Crane et al．（2019）、吳曉暉等（2019）的研究，利用Pajek軟件中的Louvain算法提取出股票的基金抱團(tuán)交易團(tuán)體后，根據(jù)式（1）計(jì)算股票的基金抱團(tuán)交易持股比例Cliqueshareit。

其中，λijt表示基金j在t季度持有股票i的股份占股票i流通股的比例，Cliquefundt是虛擬變量，如果基金j屬于任意某個(gè)基金抱團(tuán)團(tuán)體的成員，則取值為1，否則取值為0；另外計(jì)算基金抱團(tuán)團(tuán)體中每個(gè)成員持股比例的平方之和，即基金抱團(tuán)持股比例的赫芬達(dá)爾指數(shù)，用CliqueHit表示?；鸨F(tuán)團(tuán)體成員中持股比例最大成員的持股比例，用CliqueTopit表示，來(lái)度量基金抱團(tuán)持股的集中度。

3．控制變量。借鑒陳新春等（2017）、吳曉暉等（2019）的研究，設(shè)定了影響股價(jià)尾部風(fēng)險(xiǎn)的系列控制變量，在回歸中還控制了季度和行業(yè)固定效應(yīng)。各變量的具體定義如表1所示。

表1 各變量定義

（四）研究模型

為檢驗(yàn)假說(shuō)1～4，本文建立回歸方程如式（2）所示。首先檢驗(yàn)基金抱團(tuán)交易持股比例是否對(duì)股價(jià)尾部風(fēng)險(xiǎn)產(chǎn)生影響，然后進(jìn)一步檢驗(yàn)內(nèi)在的影響機(jī)制。

其中Tailriskit是被解釋變量，表示股票i在t期的尾部風(fēng)險(xiǎn)，左尾風(fēng)險(xiǎn)用VaR5i，t，ES5i，t度量，右尾風(fēng)險(xiǎn)用VaR95i，t，ES95i，t度量；Cliqueshareit、CliqueHit、CliqueTopit是核心解釋變量，分別為基金抱團(tuán)交易持股比例、基金抱團(tuán)持股比例的赫芬達(dá)爾指數(shù)、基金抱團(tuán)持股的集中度；Control是控制變量集；Industry＿FE為行業(yè)固定效應(yīng)；Yearq＿FE為年份季度固定效應(yīng)；β為回歸系數(shù)；ε為隨機(jī)擾動(dòng)項(xiàng)。

四、實(shí)證結(jié)果分析

（一）變量的描述性統(tǒng)計(jì)

以2010—2020年公募基金持股數(shù)據(jù)和上市公司數(shù)據(jù)為對(duì)象進(jìn)行變量的描述性統(tǒng)計(jì)和相關(guān)性分析①由于篇幅限制，變量的描述性統(tǒng)計(jì)和相關(guān)性分析表格，讀者若有需要，可向作者索取?？芍?，股價(jià)左尾風(fēng)險(xiǎn)VaR5i，t、ES5i，t的均值分別為4．721%、5．706%，右尾風(fēng)險(xiǎn)VaR95i，t，ES95i的均值分別為4．606%、5．82%。從基金抱團(tuán)交易持股比例Cliquesharei，t－1來(lái)看，團(tuán)體整體持股占流通股比例的均值為2．4%，最大值為32．2%基金抱團(tuán)交易持股比例Cliqueshareit－1、基金抱團(tuán)交易持股比例的赫芬達(dá)指數(shù)CliqueHit－1、最大團(tuán)體持股比例CliqueTopit－1都與股價(jià)尾部風(fēng)險(xiǎn)指標(biāo)顯著正相關(guān)。

（二）基金抱團(tuán)交易對(duì)股價(jià)尾部風(fēng)險(xiǎn)的回歸結(jié)果分析

基金抱團(tuán)交易的持股比例對(duì)股價(jià)尾部風(fēng)險(xiǎn)影響的回歸分析，其結(jié)果如表2所示。根據(jù)表2可見(jiàn)，調(diào)整R2分別達(dá)到0．616、0．547、0．481、0．443，表明回歸模型的擬合程度較高。根據(jù)回歸結(jié)果，抱團(tuán)交易的持股比例對(duì)股價(jià)左尾（下跌）與右尾（上漲）風(fēng)險(xiǎn)的回歸系數(shù)在1%的顯著性水平下都顯著為正，假說(shuō)1a得以驗(yàn)證，即基金抱團(tuán)交易持股比例越高，股價(jià)未來(lái)的尾部風(fēng)險(xiǎn)越大?；貧w結(jié)果表明基金抱團(tuán)交易的持股比例越大，股價(jià)未來(lái)的暴漲暴跌風(fēng)險(xiǎn)會(huì)越高，基金抱團(tuán)交易會(huì)加劇股價(jià)尾部風(fēng)險(xiǎn)。

表2 基金抱團(tuán)交易持股比例對(duì)股價(jià)尾部風(fēng)險(xiǎn)的回歸結(jié)果

（三）排除內(nèi)生性問(wèn)題

基金抱團(tuán)交易持股比例與股價(jià)尾部風(fēng)險(xiǎn)之間可能存在潛在內(nèi)生關(guān)系，主要原因有以下兩點(diǎn)。第一是不可觀測(cè)的異質(zhì)性，表現(xiàn)為不可觀測(cè)的公司特定因素可能會(huì)同時(shí)影響基金抱團(tuán)交易持股和股價(jià)尾部風(fēng)險(xiǎn)，比如某個(gè)公司可能處于市場(chǎng)熱點(diǎn)，或者某個(gè)利好政策導(dǎo)致基金抱團(tuán)交易和股價(jià)極端波動(dòng)，本文在回歸分析中考慮了公司個(gè)體固定效應(yīng)，以減輕非時(shí)變不可觀測(cè)的異質(zhì)性問(wèn)題，其結(jié)果如表3所示。根據(jù)表3可見(jiàn)，Cliquesharei，t－1的回歸系數(shù)為正，且在1%水平下顯著，表明在控制了不可觀測(cè)的非時(shí)變因素的情況下，基金抱團(tuán)交易持股比例對(duì)股價(jià)左尾（下跌）與右尾（上漲）風(fēng)險(xiǎn)的影響依然顯著為正。

表3 基金抱團(tuán)交易持股比例對(duì)股價(jià)尾部風(fēng)險(xiǎn)的回歸結(jié)果（考慮公司個(gè)體固定效應(yīng)）

第二是基金抱團(tuán)交易持股比例與股價(jià)尾部風(fēng)險(xiǎn)的正相關(guān)關(guān)系也可能是由高基金抱團(tuán)交易持股比例公司與低基金抱團(tuán)交易持股比例公司之間的系統(tǒng)性差異所引起，比如，高基金抱團(tuán)交易持股比例公司的某些特征能夠提高股價(jià)尾部風(fēng)險(xiǎn)。為此，本文構(gòu)造傾向得分匹配樣本進(jìn)行估計(jì)，以減輕變量系統(tǒng)性偏差導(dǎo)致的內(nèi)生性問(wèn)題。具體地，首先估計(jì)第一階段的Logistic模型，以預(yù)測(cè)公司屬于高基金抱團(tuán)交易持股比例公司的概率。其中，被解釋變量HighCliqueshare是一個(gè)虛擬變量，當(dāng)Cliqueshare在某季度大于行業(yè)第一四分位數(shù)時(shí)，取值為1，否則為0，控制變量是等式（2）中所有的控制變量。第一階段回歸得到HighCliqueshare的擬合值是公司屬于高基金抱團(tuán)交易持股比例公司的概率值，即傾向得分值。下一步，基于傾向得分在高基金抱團(tuán)交易持股比例公司和低高基金抱團(tuán)交易持股比例公司之間進(jìn)行1對(duì)1無(wú)放回最鄰近匹配。通過(guò)傾向得分匹配，能夠在第二階段模型中設(shè)計(jì)出一個(gè)擬隨機(jī)樣本，此時(shí)公司股價(jià)尾部風(fēng)險(xiǎn)的差異是由基金抱團(tuán)交易持股比例引起，而不是由公司特征等變量引起。第二階段模型的回歸結(jié)果如表4所示，Cliquesharei，t－1的回歸系數(shù)均為正，且在1%水平下顯著，表明在控制了公司之間系統(tǒng)性偏差導(dǎo)致的內(nèi)生性問(wèn)題的情況下，基金抱團(tuán)交易持股比例對(duì)股價(jià)左尾（下跌）與右尾（上漲）風(fēng)險(xiǎn)的影響依然顯著為正。

表4 基金抱團(tuán)交易持股比例對(duì)股價(jià)尾部風(fēng)險(xiǎn)的回歸結(jié)果（基于傾向得分匹配方法）

（四）穩(wěn)健性檢驗(yàn)

1．更換解釋變量與被解釋變量。在研究設(shè)計(jì)過(guò)程中，股價(jià)尾部風(fēng)險(xiǎn)不僅選擇了在險(xiǎn)價(jià)值指標(biāo)VaR，而且考慮了期望損失指標(biāo)ES，研究結(jié)果具有一定的穩(wěn)健性。為了更進(jìn)一步的穩(wěn)健性檢驗(yàn)，借鑒吳曉暉等（2019）、孔東明和王江元（2016）的研究，采用基金抱團(tuán)團(tuán)體的持股集中度赫芬達(dá)指數(shù)CliqueHi，t－1與基金抱團(tuán)團(tuán)體中的持股比例最大團(tuán)體成員的持股比例CliqueTopi，t－1作為基金報(bào)團(tuán)交易持股比例的代理變量。本文更換解釋變量回歸結(jié)果如表5、表6所示。根據(jù)表5、表6可見(jiàn)，基金抱團(tuán)交易對(duì)股價(jià)尾部風(fēng)險(xiǎn)的影響依然顯著為正。進(jìn)一步更換被解釋變量，采用股價(jià)漲跌幅超過(guò)5%、7%的次數(shù)作為股價(jià)尾部風(fēng)險(xiǎn)的代理指標(biāo)，回歸結(jié)果如表7所示。根據(jù)表7可見(jiàn)，基金抱團(tuán)交易對(duì)股價(jià)極端尾部風(fēng)險(xiǎn)的影響仍然顯著為正。

表5 穩(wěn)健性檢驗(yàn)：更換解釋變量（抱團(tuán)持股的赫芬達(dá)指數(shù)CliqueHi，t－1）

表6 穩(wěn)健性檢驗(yàn)：更換解釋變量（抱團(tuán)團(tuán)體的最大持股比例CliqueTopit－1）

表7 穩(wěn)健性檢驗(yàn)：更換被解釋變量（股價(jià)大幅漲跌次數(shù)）

2．子樣本檢驗(yàn)。2015年市場(chǎng)的特殊交易機(jī)制如場(chǎng)內(nèi)融資、場(chǎng)外配資、上市公司股權(quán)質(zhì)押和強(qiáng)平機(jī)制等共同誘發(fā)了當(dāng)年的股市暴漲暴跌，也觸發(fā)了系統(tǒng)性流動(dòng)性危機(jī)，無(wú)論是極端上漲還是極端下跌的風(fēng)險(xiǎn)值都顯著高于其他年份（陳新春等，2017）。另外，在2020年，機(jī)構(gòu)投資者抱團(tuán)交易現(xiàn)象更為突出，因此本文選擇2015年與2020年兩個(gè)年度的研究樣本，控制股票流動(dòng)性指標(biāo)，進(jìn)一步探討基金抱團(tuán)交易的持股比例對(duì)股價(jià)尾部風(fēng)險(xiǎn)的影響，回歸結(jié)果如表8、9所示。根據(jù)表8、9可見(jiàn)，2015年基金的抱團(tuán)交易對(duì)股票極端上漲風(fēng)險(xiǎn)的影響要大于對(duì)極端下跌風(fēng)險(xiǎn)的影響。與全樣本比較，對(duì)2015年的極端下跌風(fēng)險(xiǎn)的影響系數(shù)從數(shù)值上來(lái)看，并不存在顯著差異，主要原因在于2015年股市極端下跌風(fēng)險(xiǎn)源于流動(dòng)性緊缺導(dǎo)致的股價(jià)崩盤(pán)。另外，在2020年，從回歸系數(shù)來(lái)看，基金的抱團(tuán)交易對(duì)股價(jià)尾部風(fēng)險(xiǎn)的影響系數(shù)更高，對(duì)股價(jià)極端上漲風(fēng)險(xiǎn)的影響也要大于股價(jià)極端下跌風(fēng)險(xiǎn)。子樣本檢驗(yàn)的回歸結(jié)果表明，基金抱團(tuán)交易行為對(duì)股價(jià)極端尾部風(fēng)險(xiǎn)的影響顯著為正的結(jié)論依然穩(wěn)健。

表8 穩(wěn)健性檢驗(yàn)：子樣本的回歸結(jié)果（2015年四個(gè)季度樣本）

表9 穩(wěn)健性檢驗(yàn)：子樣本的回歸結(jié)果（2020年四個(gè)季度樣本）

五、影響機(jī)制分析

本文主要從信息傳遞效率、持股穩(wěn)定性以及被抱團(tuán)股票所處信息網(wǎng)絡(luò)的位置三個(gè)角度來(lái)探討內(nèi)在的影響機(jī)制分析。

（一）信息傳遞效率的影響機(jī)制

借鑒Pareek（2012）與肖欣榮等（2012）的方法，構(gòu)建基金重倉(cāng)持股的信息網(wǎng)絡(luò)，提取基金重倉(cāng)股的網(wǎng)絡(luò)密度。網(wǎng)絡(luò)密度表示信息網(wǎng)絡(luò)整體鏈接的疏密程度，網(wǎng)絡(luò)密度越大，網(wǎng)絡(luò)信息的交流和傳遞速度越快，信息傳遞的效率越高，會(huì)減緩股價(jià)波動(dòng)的尾部風(fēng)險(xiǎn)?；谛畔鬟f效率影響機(jī)制的回歸分析，其結(jié)果如表10所示。根據(jù)表10可見(jiàn)，基金抱團(tuán)持股Cliquesharei，t－1對(duì)網(wǎng)絡(luò)密度Densityi，t－1的影響顯著為負(fù)，網(wǎng)絡(luò)密度Densityi，t－1對(duì)股價(jià)尾部風(fēng)險(xiǎn)的影響也顯著為負(fù)，假說(shuō)2得以驗(yàn)證，表明基金抱團(tuán)交易會(huì)降低信息傳遞的效率，從而加劇股價(jià)尾部風(fēng)險(xiǎn)。

表10 信息傳遞效率影響機(jī)制的回歸結(jié)果

（二）持股穩(wěn)定性的影響機(jī)制

借鑒孔東明和王江元（2016）的方法，用近3年機(jī)構(gòu)投資者季度持股比例的標(biāo)準(zhǔn)差來(lái)衡量某支股票的機(jī)構(gòu)投資者持股變化，即股票的機(jī)構(gòu)持股穩(wěn)定性。機(jī)構(gòu)投資者季度持股比例標(biāo)準(zhǔn)差越大，說(shuō)明機(jī)構(gòu)持股穩(wěn)定性越差。穩(wěn)定的機(jī)構(gòu)投資者會(huì)注重公司長(zhǎng)遠(yuǎn)業(yè)績(jī)的提升，積極參與長(zhǎng)期公司治理，而以交易為目的的機(jī)構(gòu)投資者則是短線買(mǎi)賣(mài)的投機(jī)者?；诔止煞€(wěn)定性影響機(jī)制的回歸分析，其結(jié)果如表11所示。根據(jù)表11見(jiàn)，基金抱團(tuán)持股Cliquesharei，t－1對(duì)機(jī)構(gòu)投資者季度持股比例標(biāo)準(zhǔn)差Std＿Insholdsi，t－1的影響顯著為正，機(jī)構(gòu)投資者季度持股比例標(biāo)準(zhǔn)差Std＿Insholdsi，t－1對(duì)股價(jià)尾部風(fēng)險(xiǎn)的影響系數(shù)也顯著為正，假說(shuō)3得以驗(yàn)證，表明基金抱團(tuán)交易會(huì)降低機(jī)構(gòu)投資者持股的穩(wěn)定性，從而加劇股價(jià)尾部風(fēng)險(xiǎn)。

表11 持股穩(wěn)定性影響機(jī)制的回歸結(jié)果

（三）信息網(wǎng)絡(luò)位置影響的調(diào)節(jié)效應(yīng)

基金報(bào)團(tuán)交易信息網(wǎng)絡(luò)的特征向量中心度不僅計(jì)算出基金鏈接的數(shù)量，而且還對(duì)基金信息網(wǎng)絡(luò)的中心度進(jìn)行加權(quán)求和。特征向量中心度越高，與其他處在網(wǎng)絡(luò)邊緣個(gè)體的鏈接越強(qiáng)，對(duì)被抱團(tuán)交易股票的影響越大。因此，本文采用特征向量中心度作為代理變量，來(lái)研究被抱團(tuán)交易股票所處網(wǎng)絡(luò)位置影響的調(diào)節(jié)效應(yīng)，其結(jié)果如表12所示。據(jù)表12，特征向量中心度與基金抱團(tuán)持股比例的交乘項(xiàng)Eigen＿Centeri，t－1*Cliquesharei，t－1對(duì)左尾（下跌）風(fēng)險(xiǎn)VaR與ES的回歸系數(shù)分別為2．077和1．739，對(duì)右尾（上漲）風(fēng)險(xiǎn)VaR與ES的回歸系數(shù)分別為2．317和2．652，在1%的顯著性水平下都顯著為正，假說(shuō)4得以驗(yàn)證，表明越是處于信息網(wǎng)絡(luò)中心位置的股票，基金抱團(tuán)交易對(duì)股票尾部風(fēng)險(xiǎn)的影響越大。

表12 信息網(wǎng)絡(luò)位置影響的調(diào)節(jié)效應(yīng)回歸結(jié)果

六、結(jié)論

本文以2010—2020年公募基金重倉(cāng)持股數(shù)據(jù)為研究樣本，以任意兩只基金是否共同持有任意一家公司股票的市值占基金資產(chǎn)凈值大于或等于5%建立信息鏈接，構(gòu)建基金重倉(cāng)持股交易的信息網(wǎng)絡(luò)，利用Louvain算法從信息網(wǎng)絡(luò)中近似提取出基金抱團(tuán)交易團(tuán)體，對(duì)基金抱團(tuán)交易的信息網(wǎng)絡(luò)對(duì)股價(jià)尾部風(fēng)險(xiǎn)的影響與影響機(jī)制進(jìn)行實(shí)證檢驗(yàn)，結(jié)果表明，第一，基金抱團(tuán)交易的持股比例越高，股價(jià)未來(lái)的極端上漲與下跌的尾部風(fēng)險(xiǎn)就越大；第二，利用基金抱團(tuán)交易的赫芬達(dá)指數(shù)、團(tuán)體中最大持股比例替代基金抱團(tuán)交易的持股比例，并進(jìn)一步利用股票漲跌幅超過(guò)5%、7%的次數(shù)替代尾部風(fēng)險(xiǎn)指標(biāo)，以及利用2015、2020年子樣本回歸檢驗(yàn)，基金抱團(tuán)交易加劇股價(jià)極端上漲與下跌尾部風(fēng)險(xiǎn)的結(jié)論依然穩(wěn)健；第三，基金抱團(tuán)交易阻礙了信息傳遞的效率、降低了機(jī)構(gòu)投資者的持股穩(wěn)定性，從而加劇股價(jià)極端上漲與下跌的尾部風(fēng)險(xiǎn)；第四，越是接近抱團(tuán)交易信息網(wǎng)絡(luò)中心位置的股票，抱團(tuán)交易持股比例對(duì)股價(jià)尾部風(fēng)險(xiǎn)的影響越大。

本文基于信息網(wǎng)絡(luò)模型，實(shí)證分析了基金抱團(tuán)交易的持股比例、網(wǎng)絡(luò)密度、特征向量中心度對(duì)股價(jià)尾部風(fēng)險(xiǎn)的影響以及內(nèi)在的影響機(jī)制。本文的研究結(jié)論豐富了信息網(wǎng)絡(luò)對(duì)機(jī)構(gòu)投資者投資行為方面的相關(guān)文獻(xiàn)，為信息網(wǎng)絡(luò)與金融的交叉前沿研究提供理論基礎(chǔ)；對(duì)于投資者來(lái)說(shuō)，可以豐富投資策略，通過(guò)觀察基金抱團(tuán)交易指標(biāo)，可以有效管理單只股票投資的最大回撤，也可以根據(jù)抱團(tuán)現(xiàn)象，形成“盯機(jī)構(gòu)”的投資交易策略；對(duì)于監(jiān)管層來(lái)說(shuō)，應(yīng)對(duì)機(jī)構(gòu)投資者高度抱團(tuán)交易行為保持密切關(guān)注，防止出現(xiàn)極端尾部風(fēng)險(xiǎn)，提供現(xiàn)實(shí)依據(jù)。